降低偏差，提高福利：内容创作者竞争如何重塑推荐平台中的偏差-方差权衡

理解用户表示学习中的偏差-方差权衡对于提高现代内容平台的推荐质量至关重要。虽然在静态环境中已有深入研究，但当内容创作者为平台激励而战略性地调整行为时，这一权衡变得复杂得多。为分析内容创作者竞争如何重塑以实现用户福利最大化的权衡，我们提出了内容创作者竞争与偏差-方差权衡框架，是一个可分析的博弈论模型，捕捉平台在用户特征估计中决定正则化强度的决策。我们在两种关键情境下推导并比较平台的最优政策：一种是具有固定内容的非战略性基准，另一种是创作者因平台算法设计而产生战略性响应的环境。我们的理论分析表明，与非战略环境相比，内容创作者竞争将平台的最优政策倾向于较弱的正则化，从而在偏差-方差权衡中更倾向于降低偏差。为验证并评估这些洞见在非理想化环境中的鲁棒性，我们在合成数据和真实世界基准数据集上进行了大量实验。实验结果一致支持我们的理论结论：在战略环境中，降低偏差会导致更高的用户福利。这些发现为在内容创作者竞争存在的情况下设计真实世界推荐算法提供了实用意义。